利用卷积神经网络检测图像垃圾邮件的可解释人工智能方法
计算机视觉与模式识别
2023-02-01 v1 密码学与安全
摘要
随着互联网的飞速发展，图像垃圾邮件威胁检测一直是一个热门的研究领域。本研究提出了一种利用卷积神经网络（CNN）算法和可解释人工智能（XAI）算法检测垃圾图像的可解释框架。在这项工作中，我们分别使用 CNN 模型对图像垃圾邮件进行分类，同时采用包括局部可解释模型无关解释（LIME）和 Shapley 加性解释（SHAP）在内的事后 XAI 方法来解释黑盒 CNN 模型对垃圾图像检测所做的决策。我们在包含从三个不同公开可用电子邮件语料库收集的垃圾图像和正常图像共 6636 张图像的数据集上训练并评估了所提方法的性能。实验结果表明，所提框架在不同的性能指标上取得了令人满意的检测结果，而模型无关的 XAI 算法能够为不同模型的决策提供解释，可用于今后的对比研究。
引用
@article{arxiv.2209.03166,
title = {Explainable Artificial Intelligence to Detect Image Spam Using Convolutional Neural Network},
author = {Zhibo Zhang and Ernesto Damiani and Hussam Al Hamadi and Chan Yeob Yeun and Fatma Taher},
journal= {arXiv preprint arXiv:2209.03166},
year = {2023}
}
备注
Under review by International Conference on Cyber Resilience (ICCR), Dubai 2022